最近一直都在看《Hadoop权威指南（中文版）》，虽然的确是在翻译的方面有很多不如意之处，但是对于我这个英语不是很好的人来说，看中文版的书还是能够大大节约我的时间的。我的本科毕业设计就是关于HDFS和MapReduce的，所以我最近非常想马上编写出自己的MapReduce程序。
从网上看到了一个关于题目所说的非常好的配置方法，自己动手试了试，发现果然非常好用，所以将这个文章转载如下：
1、确定eclipse是关闭的，如果不是的话，弄好之后要关了重新打开才可以。找到hadoop的安装路径，，我的是hadoop-0.20.2，在home/hadoop/hadoop-0.20.2/contrib/eclipse-plugin/下有hadoop-0.20.2-eclipse-plugin.jar，将这个jar包拷贝到eclipse安装目录下的plugins里，我的是在usr/eclipse/plugins/下，然后打开eclipse，点击主菜单上的window—preferences，在左边栏中找到Hadoop Map/Reduce，点击后在右边对话框里设置hadoop的安装路径即主目录。
2、创建一个MapReduce Project，点击eclipse主菜单上的File—New—Project，在弹出的对话框中选择MapReduce Project，之后输入Project的名，例如wordcount，确定即可，然后就可以象一个普通的 Eclipse Java project 那样，添加Java类，比如你可以定义一个WordCount 类，然后将你安装的hadoop程序里的WordCount源程序代码（版本不同会有区别），我的是在hadoop-0.20.2/src/examples/org/apache/hadoop/examples/WordCount.java写到此类中(以下是源程序代码)，如果是19版本以前的，添加入必要的 import 语句 ( Eclipse 快捷键 ctrl+shift+o 可以帮你)，即可形成一个完整的 wordcount 程序，然后运行。
import java.io.IOException;import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.Mapper;import org.apache.hadoop.mapreduce.Reducer;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.apache.hadoop.util.GenericOptionsParser;
public class WordCount {
public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable>{ private final static IntWritable one = new IntWritable(1); private Text word = new Text(); public void map(Object key, Text value, Context context ) throws IOException, InterruptedException { StringTokenizer itr = new StringTokenizer(value.toString()); while (itr.hasMoreTokens()) { word.set(itr.nextToken()); context.write(word, one); } } } public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> { private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values, Context context ) throws IOException, InterruptedException { int sum = 0; for (IntWritable val : values) { sum += val.get(); } result.set(sum); context.write(key, result); } }
public static void main(String[] args) throws Exception { Configuration conf = new Configuration(); String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); if (otherArgs.length != 2) { System.err.println(“Usage: wordcount <in> <out>”); System.exit(2); } Job job = new Job(conf, “word count”); job.setJarByClass(WordCount.class); job.setMapperClass(TokenizerMapper.class); job.setCombinerClass(IntSumReducer.class); job.setReducerClass(IntSumReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); FileInputFormat.addInputPath(job, new Path(otherArgs[0])); FileOutputFormat.setOutputPath(job, new Path(otherArgs[1])); System.exit(job.waitForCompletion(true) ? 0 : 1); }}
即使爬到最高的山上，一次也只能脚踏实地地迈一步。
